Question

我有以下熊猫df：

df
                        price           max    maxperhour
Site  Commodity Type                        
Mid   Biomass   Stock     6.0  1.500000e+15  1.500000e+15
      CO2       Env       0.0  1.500000e+15  1.500000e+15
      Coal      Stock     7.0  1.500000e+15  1.500000e+15
      Elec      Demand    NaN           NaN           NaN
      Gas       Stock    27.0  1.500000e+15  1.500000e+15
      Hydro     SupIm     NaN           NaN           NaN
      Lignite   Stock     4.0  1.500000e+15  1.500000e+15
      Solar     SupIm     NaN           NaN           NaN
      Wind      SupIm     NaN           NaN           NaN

我想过滤上述df，并在Commodity和Site == 'Mid'时创建一个Type == ('Stock' or 'Demand')项目的列表作为列表。

，因此应使用一些熊猫过滤功能创建以下列表：

df.somefunction()
['Biomass', 'Coal', 'Gas', 'Lignite', 'Elec']

我将如何实现？

最后，如果可能的话，我想将'Elec'作为最后一个元素，我的意思是；创建列表时，'Elec'可能是列表的第三个元素，例如：

['Biomass', 'Coal', 'Elec', 'Gas', 'Lignite']

但是，最好将'Elec'作为最后一个元素，例如：

['Biomass', 'Coal', 'Gas', 'Lignite', 'Elec']

因为它是唯一带有Type == 'Demand'的元素

来自@jezrael

df[(df.index.get_level_values('Site') == 'Mid') & (df.index.get_level_values('Type') == 'Stock')].index.remove_unused_levels().get_level_values('Commodity').tolist()

Answer 1

使用var io = require('./io'); io.on('connection', function (socket) { socket.emit('news', {hello: 'world'}); socket.on('news', function (data) { console.log(data); // Depends on your business logic // Sends to sender-client only // socket.emit('news', data); // Sends to all clients except sender // socket.broadcast.emit('news', data); // Sends to all client including sender io.emmit('news', data); }); }); io.on('error', function () { console.log("errr"); });的解决方案：

MultiIndex

替代列：

m1 = (df.index.get_level_values('Site') == 'Mid')
m2 = (df.index.get_level_values('Type') == 'Stock')
m3 = (df.index.get_level_values('Type') == 'Demand')

idx1 = df[m1 & m2].index.remove_unused_levels().get_level_values('Commodity')
idx2 = df[m1 & m3].index.remove_unused_levels().get_level_values('Commodity')

idx = idx1.append(idx2)
print (idx)
Index(['Biomass', 'Coal', 'Gas', 'Lignite', 'Elec'], dtype='object', name='Commodity')

使用级别值过滤熊猫df

1 个答案: